LayoutNet v2 我的IJCV论文的PyTorch实施： 从单幅360图像重建曼哈顿房间布局：最先进方法的比较研究 新增：我们的注释数据集已发布！ LayoutNet的原始Torch实现在。 LayoutNet的改进 扩展到曼哈顿总体布局（在我们新标记的MatterportLayout数据集上） 使用ResNet编码器而不是SegNet编码器 培训细节和实施细节 基于梯度上升的后期优化，根据Sunset1995的PyTorch修订 添加数据增强 要求 Python 3 PyTorch> = 0.4.0 numpy，scipy，泡菜，skimage，sklearn，随机，cv2，匀称 火炬视觉 Matlab（用于深度渲染） 下载数据和预先训练的模型 下载，并将其放在./model/文件夹下。 下载经过，并将它们放在./data/文件夹下。 从原始下载gt，并在下载已处理的然后将其放在./data/文件夹下 （可选）下载原始LayoutNet的.t7，并将其放在./data/文件夹下 下载我们新标记的，并将其放在./data/文件夹下。 从经过Matterport